点击上方“视学算法”，选择加"星标"或“置顶”

重磅干货，第一时间送达

行早 发自 凹非寺
量子位 | 公众号 QbitAI

这回域外物体检测方向出了一个新模型VOS，合作团队来自威斯康星大学麦迪逊分校，论文已收录到ICLR 2022中。

这一模型在目标检测和图像分类上均达到目前最佳性能，FPR95指标比之前最好的效果还降低了7.87%之多。

要知道深度网络对未知情况的处理一直是个难题。

例如在自动驾驶中，识别已知物体（例如汽车、停车标志）的检测模型经常“指鹿为马”，对域外物体（OOD）会产生高置信度的预测。

就像下图中的一头驼鹿，在Faster-RCNN模型下被识别成了行人，还有89%的置信度。

因此域外物体的检测无疑成为了AI安全方面一个很重要的话题。

我们来看看这个模型是怎么对域外物体做出判断的。

VOS如何检测域外物体

在理解VOS之前，不得不提一下域外物体检测困难的原因。

其实也很好理解，毕竟神经网络只是学习训练和测试时的数据，遇到没见过的东西时自然不认识。

为了解决这个问题，得想办法让网络认识“未知”的事物。这怎么办？

VOS想到的办法是，给模型模拟一个域外物体用来学习。

例如下图中的检测情况，其中三团灰点是我们的目标。在没有模拟域外物体时（左），模型只能在大范围内圈住目标。

而在用模拟域外物体训练后（右），模型可以紧凑准确的锁定目标，形成更合理的决策边界。

而一旦目标锁定更精确，只要在这个范围之外，其他物体就可以都判为域外物体。

基于这个想法，VOS的团队构建了这样的框架：

以一个Faster-RCNN网络为基础，在分类头中加入一部分模拟域外物体的数据，和训练集中的数据放在一起，共同构建标准化的不确定性损失函数。

而这些模拟域外物体的数据从哪里来呢？在结构图中可以看出，这些点都来自目标区域（蓝色圆点、黄色方点和绿色三角点）周围，也就是低似然区域。

最后根据置信度的计算，蓝色代表目标检测数据，绿色代表域外物体。

以此判断出图像中的车和驼鹿。

再和许多其他域外物体检测方法做一下比较，就可以看出VOS的优势。

各项指标中箭头向下代表该项数据越小越好，反之代表该项越大越好。

其中FPR95这项最为突出，描述的是OOD样本分类正确率在95%时，OOD样本被错分到ID样本中的概率。

这项成绩相较于之前最好的成绩降了7.87%。

与现有的其他方法相比，也展现出了VOS的优势。

它作为一个通用学习框架，可以适用于目标检测和图像分类两种任务。而之前的方法主要靠图像分类来驱动。

目前该模型已经在GitHub上开源。

作者简介

该模型主要由杜学峰、蔡沐等人提出。

杜学峰本科毕业于西安交通大学，目前在威斯康星大学麦迪逊分校攻读CS博士。

主要研究方向是可信机器学习，包括域外物体检测、对抗鲁棒性、噪声标签学习等。

蔡沐，本科也毕业于西安交通大学，目前为威斯康星大学麦迪逊分校CS博二学生。

研究兴趣集中在深度学习、计算机视觉，尤其是三维场景理解（点云检测）和自监督学习。

该篇论文的通讯作者是Sharon Yixuan Li，目前在威斯康星大学麦迪逊分校任计算机科学助理教授，之前还曾在Facebook AI任研究员。

参考链接：

[1]https://twitter.com/martin_gorner/status/1489671903727915008
[2]https://arxiv.org/abs/2202.01197
[3]https://sites.google.com/view/mucai
[4]https://www.linkedin.com/in/xuefeng-du-094723192/details/experience/
[5]https://github.com/deeplearning-wisc/vos

— 完 —

点个在看 paper不断！